语言大模型 / LLM

Stratified Sampling for Model-Assisted Estimation with Surrogate Outcomes

分层抽样用于模型辅助估计的替代性结果

Reagan Mozer, Nicole E. Pashley, Luke Miratrix

专题命中 预训练与数据 ：large language model(abstract)；language model(abstract)

AI总结 本文提出分层抽样方法，用于模型辅助估计中替代性结果的高效利用，通过优化分配规则提升估计效率。

Adaptive Debiasing Tsallis Entropy for Test-Time Adaptation

自适应去偏Tsallis熵用于测试时适应

Xiangyu Wu, Dongming Jiang, Feng Yu, Yueying Tian, Jiaqi Tang, Qing-Guo Chen, Yang Yang, Jianfeng Lu

机构 * Nanjing University of Science and Technology（南京理工大学） ； Alibaba Cloud（阿里云） ； University of Texas at Dallas（德克萨斯大学达拉斯分校） ； University of Sussex（Sussex 大学） ； Hong Kong University of Science and Technology（香港科学与技术大学） 纠错

专题命中 预训练与数据 ：language model(abstract)；pretraining(abstract)

AI总结 本文提出自适应去偏Tsallis熵用于测试时适应，通过引入非广延参数q来缓解预训练数据偏差，提升模型适应性能。

Comments Accepted for publication at ICLR 2026; 24 pages; 5 figures

ALIVE: Animate Your World with Lifelike Audio-Video Generation

ALIVE: 用逼真音频视频生成动画你的世界

Ying Guo, Qijun Gan, Yifu Zhang, Jinlai Liu, Yifei Hu, Pan Xie, Dongjun Qian, Yu Zhang, Ruiqi Li, Yuqi Zhang, Ruibiao Lu, Xiaofeng Mei, Bo Han, Xiang Yin, Bingyue Peng, Zehuan Yuan

机构 * Bytedance ALIVE Team（字节跳动ALIVE团队） 纠错

专题命中 预训练与数据 ：foundation model(abstract)；pretraining(abstract)

AI总结 ALIVE通过结合预训练文本到视频模型与新的音频视频生成技术，实现了逼真的音频视频生成和动画，展示了优于开源和商业解决方案的性能。

Comments Technical report for ALIVE. Bytedance ALIVE Team. Homepage: https://foundationvision.github.io/Alive/

InterPrior: Scaling Generative Control for Physics-Based Human-Object Interactions

InterPrior：为基于物理的人-物体交互扩展生成控制

Sirui Xu, Samuel Schulter, Morteza Ziyadi, Xialin He, Xiaohan Fei, Yu-Xiong Wang, Liangyan Gui

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Amazon（亚马逊） 纠错

专题命中 预训练与数据 ：pretraining(abstract)；post-training(abstract)

AI总结 InterPrior通过大规模模仿预训练和强化学习微调，扩展生成控制以实现人形机器人在多样环境下泛化移动-操作技能。

Comments Webpage: https://sirui-xu.github.io/InterPrior/

Data Verification is the Future of Quantum Computing Copilots

数据验证是量子计算copilot的未来

Junhao Song, Ziqian Bi, Xinliang Chia, William Knottenbelt, Yudong Cao

专题命中 预训练与数据 ：large language model(abstract)；language model(abstract)

AI总结 本研究提出数据验证在量子计算copilot和AI自动化中的重要性，强调验证作为架构基础的必要性，通过实验表明未验证的LLMs在电路优化中准确率仅为79%。

Comments 13 Pages, 20 Figures. Accepted to AAAI 2026 Workshop on AI4Research. Comments welcome

OpenOneRec Technical Report

OpenOneRec 技术报告

Guorui Zhou, Honghui Bao, Jiaming Huang, Jiaxin Deng, Jinghao Zhang, Junda She, Kuo Cai, Lejian Ren, Lu Ren, Qiang Luo, Qianqian Wang, Qigen Hu, Rongzhou Zhang, Ruiming Tang, Shiyao Wang, Wuchao Li, Xiangyu Wu, Xinchen Luo, Xingmei Wang, Yifei Hu, Yunfan Wu, Zhanyu Liu, Zhiyang Zhang, Zixing Zhang, Bo Chen, Bin Wen, Chaoyi Ma, Chengru Song, Chenglong Chu, Defu Lian, Fan Yang, Feng Jiang, Hongtao Cheng, Huanjie Wang, Kun Gai, Pengfei Zheng, Qiang Wang, Rui Huang, Siyang Mao, Tingting Gao, Wei Yuan, Yan Wang, Yang Zhou, Yi Su, Zexuan Cheng, Zhixin Ling, Ziming Li

专题命中 预训练与数据 ：pretraining(abstract)；post-training(abstract)

AI总结 OpenOneRec 通过 RecIF-Bench 和大规模数据集提升推荐系统智能，展示模型在复杂任务中的卓越表现。

DuoGen: Towards General Purpose Interleaved Multimodal Generation

DuoGen：迈向通用的交错多模态生成

Min Shi, Xiaohui Zeng, Jiannan Huang, Yin Cui, Francesco Ferroni, Jialuo Li, Shubham Pachori, Zhaoshuo Li, Yogesh Balaji, Haoxiang Wang, Tsung-Yi Lin, Xiao Fu, Yue Zhao, Chieh-Yun Chen, Ming-Yu Liu, Humphrey Shi

机构 * Georgia Tech（佐治亚理工学院） ； NVIDIA research.nvidia.com/labs/dir/duogen（NVIDIA 研究所） 纠错

专题命中 预训练与数据 ：LLM(abstract)；pretraining(abstract)

AI总结 DuoGen通过系统性地解决数据整理、架构设计和评估问题，实现了通用的交错多模态生成，提升了文本质量、图像保真度和图像-上下文对齐性能。

Comments Technical Report. Project Page: https://research.nvidia.com/labs/dir/duogen/

Text-driven Online Action Detection

基于文本的在线动作检测

Manuel Benavent-Lledo, David Mulero-Pérez, David Ortiz-Perez, Jose Garcia-Rodriguez

机构 * Department of Computer Technology, University of Alicante（阿拉维大学计算机技术系） ； ValgrAI - Valencian Graduate School and Research Network of Artificial Intelligence（瓦伦西亚人工智能研究生学校和研究网络） ； Institute of Informatics Research, University of Alicante（阿拉维大学信息研究所） 纠错

专题命中 预训练与数据 ：language model(abstract)；pretraining(abstract)

AI总结 本文提出TOAD模型，利用CLIP文本嵌入实现高效的零样本和少样本在线动作检测，其在THUMOS14数据集上的mAP达到82.46%

Comments Published in Integrated Computer-Aided Engineering

Journal ref Integrated Computer-Aided Engineering. 2025;32(4):415-423

HERS: Hidden-Pattern Expert Learning for Risk-Specific Vehicle Damage Adaptation in Diffusion Models

HERS：隐藏模式专家学习用于扩散模型中特定风险车辆损伤适应

Teerapong Panboonyuen

专题命中 预训练与数据 ：large language model(abstract)；language model(abstract)

AI总结 HERS通过领域特定专家学习提升扩散模型中车辆损伤生成的保真度与可控性，提高保险领域应用的安全性与可靠性。

Comments 26 pages

TIGaussian: Disentangle Gaussians for Spatial-Awared Text-Image-3D Alignment

TIGaussian: 解耦高斯分布以实现空间感知的图文-3D对齐

Jiarun Liu, Qifeng Chen, Yiru Zhao, Minghua Liu, Baorui Ma, Sheng Yang

机构 * Unmanned Vehicle Dept., Cainiao Inc., Alibaba Group, Hangzhou, China（阿里巴巴集团 Cainiao 无人机部门，杭州，中国） ； Hillbot, Sunnyvale, USA（Hillbot，美国 Sunnyvale） ； Beijing Academy of Artificial Intelligence, Beijing, China（北京人工智能研究院，北京，中国） 纠错

专题命中 预训练与数据 ：language model(abstract)；pretraining(abstract)

AI总结 TIGaussian通过多分支3DGS分词器和模态特定对齐策略，实现空间感知的图文-3D跨模态对齐，提升3D相关任务的预训练效果。

Assessing Situational and Spatial Awareness of VLMs with Synthetically Generated Video

通过合成视频评估VLMs的情境与空间意识

Pascal Benschop, Justin Dauwels, Jan van Gemert

机构 * Delft University of Technology（代尔夫特理工大学） 纠错

专题命中 预训练与数据 ：language model(abstract)；pretraining(abstract)

AI总结 本文提出一个合成基准，评估VLMs在区分暴力与无害活动、跨视角角色绑定及细粒度轨迹对齐方面的性能，发现其表现仅略高于随机水平，且稳定颜色线索仅部分缓解了问题。

Future Optical Flow Prediction Improves Robot Control & Video Generation

未来光流预测改进机器人控制与视频生成

Kanchana Ranasinghe, Honglu Zhou, Yu Fang, Luyu Yang, Le Xue, Ran Xu, Caiming Xiong, Silvio Savarese, Michael S Ryoo, Juan Carlos Niebles

机构 * Salesforce AI Research（Salesforce AI研究院） ； Stony Brook University（石溪大学） 纠错

专题命中 预训练与数据 ：language model(abstract)；pretraining(abstract)

AI总结 FOFPred通过统一的视觉-语言模型和扩散架构，实现高效的未来光流预测，提升机器人控制与视频生成的性能。

Comments Project Site (Code, Models, Demo): https://fofpred.github.io

PMOA-TTS: Introducing the PubMed Open Access Textual Times Series Corpus

PMOA-TTS：引入PubMed开放获取文本时间序列语料库

Shahriar Noroozizadeh, Sayantan Kumar, George H. Chen, Jeremy C. Weiss

机构 * Machine Learning Department, School of Computer Science（计算机科学系机器学习部门） ； Heinz College of Information Systems and Public Policy（信息系统与公共政策学院） ； National Library of Medicine（国家医学图书馆） 纠错

专题命中 预训练与数据 ：prompting(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 PMOA-TTS通过大规模语言模型管道构建，为时间序列分析提供结构化文本时间线，支持时间推理、生存建模和事件预测研究。

LiteEmbed: Adapting CLIP to Rare Classes

LiteEmbed: 适应CLIP的稀有类别

Aishwarya Agarwal, Srikrishna Karanam, Vineet Gandhi

机构 * CVIT, Kohli Centre for Intelligent Systems, IIIT Hyderabad, India（印度海得拉巴IIIT大学计算机视觉研究所、Kohli智能系统中心） ； Adobe Research, Bengaluru, India（印度班加罗尔Adobe研究） 纠错

专题命中 预训练与数据 ：language model(abstract)；pretraining(abstract)

AI总结 LiteEmbed通过子空间优化和双目标方法，实现CLIP在稀有类别上的少样本个性化，提升分类和检索任务的性能。

Comments 14 pages, 12 figures

DiffSampling: Enhancing Diversity and Accuracy in Neural Text Generation

DiffSampling：提升神经文本生成的多样性和准确性

Giorgio Franceschelli, Mirco Musolesi

机构 * Alma Mater Studiorum Università di Bologna（博洛尼亚大学） ； University College London（伦敦大学学院） 纠错

专题命中 预训练与数据 ：language model(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 DiffSampling通过分析令牌概率分布，提升神经文本生成的多样性和准确性，实验表明其在质量上与现有方法相当。

Comments Published in Transactions on Machine Learning Research (2025), see https://tmlr.infinite-conf.org/paper_pages/kXjHbMvdIi.html

LingVarBench: Benchmarking LLMs on Entity Recognitions and Linguistic Verbalization Patterns in Phone-Call Transcripts

LingVarBench：在电话通话记录中对LLM进行实体识别和语言表达模式的基准测试

Seyedali Mohammadi, Manas Paldhe, Amit Chhabra, Youngseo Son, Vishal Seshagiri

机构 * Infinitus Systems, Inc.（Infinitus系统公司） 纠错

专题命中 预训练与数据 ：LLM(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 LingVarBench通过生成语言变化的训练数据，提升LLM在电话记录中提取结构化实体和主观问卷项目的能力，优化提示工程并提高鲁棒性。

Comments Accepted to EACL 2026 (Industry Track); to appear in the proceedings

Latent Reconstruction from Generated Data for Multimodal Misinformation Detection

从生成数据中进行潜在重建用于多模态虚假信息检测

Stefanos-Iordanis Papadopoulos, Christos Koutlis, Symeon Papadopoulos, Panagiotis C. Petrantonakis

机构 * Information Technology Institute, Centre for Research & Technology, Hellas（信息科技研究所，研究中心，希腊） ； Department of Electrical & Computer Engineering, Aristotle University of Thessaloniki（电气与计算机工程系，亚里士多德大学） 纠错

专题命中 预训练与数据 ：language model(abstract)；prompting(abstract)

AI总结 本研究提出MisCaption This!框架和LAMAR网络，通过生成高保真度的误标数据和潜在重建技术，提升多模态虚假信息检测的性能。

Digital Homunculi and Institutional Design: Breaking Through the Experimentation Bottleneck

数字人偶与制度设计：突破实验瓶颈

Petr Specian

专题命中 预训练与数据 ：large language model(abstract)；language model(abstract)

AI总结 本文提出利用生成式AI驱动的数字人偶方法，通过模拟人类行为生成合成数据，以突破民主研究中的实验瓶颈，提升制度创新的效率与可行性。

Comments 28 pages

On the Holistic Approach for Detecting Human Image Forgery

对人类图像伪造的总体方法

Xiao Guo, Jie Zhu, Anil Jain, Xiaoming Liu

机构 * Michigan State University（密歇根州立大学） 纠错

专题命中 预训练与数据 ：large language model(abstract)；language model(abstract)

AI总结 HuForDet通过双分支架构，结合异构专家和多模态大语言模型，实现了对人类图像伪造的全面检测，提升了对各类伪造的检测性能和鲁棒性。

Comments 6 figures, 5 tables

PROMISE: Process Reward Models Unlock Test-Time Scaling Laws in Generative Recommendations

PROMISE: 过程奖励模型解锁生成推荐的测试时扩展定律

Chengcheng Guo, Kuo Cai, Yu Zhou, Qiang Luo, Ruiming Tang, Han Li, Kun Gai, Guorui Zhou

专题命中 预训练与数据 ：large language model(abstract)；language model(abstract)

AI总结 PROMISE通过整合密集逐步验证和PRM引导的束搜索策略，解决生成推荐中的语义漂移问题，提升推荐准确性并实现高效部署。

DAVE: A VLM Vision Encoder for Document Understanding and Web Agents

DAVE: 一种用于文档理解与网络代理的视觉编码器

Brandon Huang, Hang Hua, Zhuoran Yu, Trevor Darrell, Rogerio Feris, Roei Herzig

机构 * MIT-IBM Watson AI Lab（MIT-IBM Watson AI实验室） ； UC Berkeley（加州大学伯克利分校） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） 纠错

专题命中 预训练与数据 ：language model(abstract)；pretraining(abstract)

AI总结 DAVE是一种专为文档理解和网络代理设计的视觉编码器，通过自监督和监督预训练结合模型融合策略，提升对文档和网络任务的适应性与性能。

RAGPart & RAGMask: Retrieval-Stage Defenses Against Corpus Poisoning in Retrieval-Augmented Generation

RAGPart & RAGMask：对抗检索增强生成中语料污染的检索阶段防御

Pankayaraj Pathmanathan, Michael-Andrei Panaitescu-Liess, Cho-Yu Jason Chiang, Furong Huang

专题命中 预训练与数据 ：large language model(abstract)；language model(abstract)

AI总结 本文提出RAGPart和RAGMask两种检索阶段防御方法，用于对抗RAG中语料污染攻击，通过文档分区和标记遮蔽技术降低攻击成功率，提升RAG系统的鲁棒性。

Comments Published at AAAI 2026 Workshop on New Frontiers in Information Retrieval [Oral]

VADTree: Explainable Training-Free Video Anomaly Detection via Hierarchical Granularity-Aware Tree

VADTree: 通过分层粒度感知树实现可解释的无训练视频异常检测

Wenlong Li, Yifei Xu, Yuan Rao, Zhenhua Wang, Shuiguang Deng

机构 * School of Software, Xi’an Jiaotong University（西安交通大学软件学院） ； China Railway Xi’an Group（中国铁路西安集团） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） 纠错

专题命中 预训练与数据 ：large language model(abstract)；language model(abstract)

AI总结 VADTree通过分层粒度感知树结构实现无训练视频异常检测，利用预训练模型知识和多维先验提升异常感知与推理能力。

Comments NeurIPS 2025 poster

DNAMotifTokenizer: Towards Biologically Informed Tokenization of Genomic Sequences

DNAMotifTokenizer: 向生物信息学导向的基因组序列分词迈进

Xiaoxiao Zhou, Zihan Wang, Jingbo Shang, Yang E. Li

专题命中 预训练与数据 ：language model(abstract)；pretraining(abstract)

AI总结 DNAMotifTokenizer通过整合DNA序列模因的生物知识，提升了基因组序列分词的性能和可解释性。

Comments Preprint

Step-GUI Technical Report

Step-GUI 技术报告

Haolong Yan, Jia Wang, Xin Huang, Yeqing Shen, Ziyang Meng, Zhimin Fan, Kaijun Tan, Jin Gao, Lieyu Shi, Mi Yang, Shiliang Yang, Zhirui Wang, Brian Li, Kang An, Chenyang Li, Lei Lei, Mengmeng Duan, Danxun Liang, Guodong Liu, Hang Cheng, Hao Wu, Jie Dong, Junhao Huang, Mei Chen, Renjie Yu, Shunshan Li, Xu Zhou, Yiting Dai, Yineng Deng, Yingdan Liang, Zelin Chen, Wen Sun, Chengxu Yan, Chunqin Xu, Dong Li, Fengqiong Xiao, Guanghao Fan, Guopeng Li, Guozhen Peng, Hongbing Li, Hang Li, Hongming Chen, Jingjing Xie, Jianyong Li, Jingyang Zhang, Jiaju Ren, Jiayu Yuan, Jianpeng Yin, Kai Cao, Liang Zhao, Liguo Tan, Liying Shi, Mengqiang Ren, Min Xu, Manjiao Liu, Mao Luo, Mingxin Wan, Na Wang, Nan Wu, Ning Wang, Peiyao Ma, Qingzhou Zhang, Qiao Wang, Qinlin Zeng, Qiong Gao, Qiongyao Li, Shangwu Zhong, Shuli Gao, Shaofan Liu, Shisi Gao, Shuang Luo, Xingbin Liu, Xiaojia Liu, Xiaojie Hou, Xin Liu, Xuanti Feng, Xuedan Cai, Xuan Wen, Xianwei Zhu, Xin Liang, Xin Liu, Xin Zhou, Yifan Sui, Yingxiu Zhao, Yukang Shi, Yunfang Xu, Yuqing Zeng, Yixun Zhang, Zejia Weng, Zhonghao Yan, Zhiguo Huang, Zhuoyu Wang, Zihan Yan, Zheng Ge, Jing Li, Yibo Zhu, Binxing Jiao, Xiangyu Zhang, Daxin Jiang

机构 * GELab-Team（GELab团队） 纠错

专题命中 预训练与数据 ：large language model(abstract)；language model(abstract)

AI总结 Step-GUI 是一种先进的 GUI 代理，通过自我进化训练管道和 GUI-MCP 协议，在保持高准确率的同时实现高效隐私保护的 GUI 自动化。

Comments 41 pages, 26 figures

Exo2Ego: Exocentric Knowledge Guided MLLM for Egocentric Video Understanding

Exo2Ego：基于外部知识引导的多模态大语言模型用于第一人称视频理解

Haoyu Zhang, Qiaohui Chu, Meng Liu, Haoxiang Shi, Yaowei Wang, Liqiang Nie

专题命中 预训练与数据 ：large language model(abstract)；language model(abstract)

AI总结 Exo2Ego通过迁移学习提升内向视频理解能力，利用外向知识增强模型性能。

Comments This paper is accepted by AAAI 2026

MFGDiffusion: Mask-Guided Smoke Synthesis for Enhanced Forest Fire Detection

MFGDiffusion：基于掩码的烟雾合成以提升森林火灾检测

Guanghao Wu, Yunqing Shang, Chen Xu, Hai Song, Chong Wang, Qixing Zhang

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

专题命中 预训练与数据 ：large language model(abstract)；language model(abstract)

AI总结 MFGDiffusion通过掩码引导的烟雾合成提升森林火灾检测性能

Comments 14 pages, 11 figures

The Memorization Problem: Can We Trust LLMs' Economic Forecasts?

记忆问题：我们能否信任LLMs的经济预测？

Alejandro Lopez-Lira, Yuehua Tang, Mingyin Zhu

专题命中 预训练与数据 ：large language model(abstract)；language model(abstract)

AI总结 本文研究了LLMs在经济预测中的记忆问题，发现其能够记忆训练数据中的经济金融信息，且无法通过简单指令或屏蔽防止，表明LLMs的预测能力可能受限于记忆而非真正的预测能力。

Tacit Understanding Game (TUG): Predicting Interpersonal Compatibility

隐性理解游戏（TUG）：预测人际兼容性

Yueshen Li, Krishnaveni Unnikrishnan, Aadya Agrawal

专题命中 预训练与数据 ：large language model(abstract)；language model(abstract)

AI总结 TUG通过玩家单字选择预测人际兼容性，利用隐私保护信号实现关系匹配，为社交平台提供新设计方法。

Unsupervised Acquisition of Discrete Grammatical Categories

无监督获取离散语法范畴

David Ph. Shakouri, Crit Cremers, Niels O. Schiller

机构 * Leiden University Centre for Linguistics (LUCL)（莱顿大学语言研究中心） ； Leiden University（莱顿大学） ； Leiden Institute for Brain and Cognition (LIBC)（莱顿脑与认知研究所） ； City University of Hong Kong (CityU)（香港城市大学） 纠错

专题命中 预训练与数据 ：language model(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 本文通过多代理系统无监督学习母语的语法范畴，利用统计分析生成离散语法规则，并验证了非平凡语法知识的获取。

Comments 34 pages, 3 figures, 7 tables. Related work: Shakouri et al., arXiv:2512.02195